S13 Series de Tiempo I

¿Qué es una serie de tiempo?

• Un gráfico de barras sobre datos

• Una serie de tiempo es un conjunto de datos ordenados cronológicamente.

• Un conjunto de datos aleatorios

• Una lista de palabras sin orden

¿Cuáles son los componentes principales de una serie de tiempo?

• Tendencia, estacionalidad, ciclos y ruido.

• Datos, información, análisis y predicción.

• Crecimiento, decrecimiento, estabilidad y fluctuaciones.

• Promedio, mediana, moda y varianza.

Define la tendencia en el análisis de series de tiempo.

• La tendencia es un análisis de la varianza en los datos.

• La tendencia es la comparación entre diferentes series de tiempo.

• La tendencia se refiere a las fluctuaciones estacionales de la serie.

• La tendencia es la dirección general de una serie de tiempo a lo largo del tiempo.

¿Qué es la estacionalidad en una serie de tiempo?

• La estacionalidad es la variación que ocurre solo una vez al año.

• La estacionalidad es un fenómeno aleatorio en los datos.

• La estacionalidad se refiere a la tendencia general de una serie de tiempo.

• La estacionalidad es la variación regular y predecible en una serie de tiempo que ocurre en intervalos específicos.

¿Cómo se puede descomponer una serie de tiempo?

• Descomponer en ciclos y tendencias.

• Descomponer en tendencia, estacionalidad y ruido.

• Descomponer en promedios y máximos.

• Descomponer en datos y gráficos.

¿Qué métodos se utilizan para suavizar series de tiempo?

• Suavizado exponencial, medias móviles, ajuste de modelos de regresión.

• Análisis de varianza

• Transformaciones logarítmicas

• Pruebas de hipótesis

Explica el concepto de autocorrelación.

• La autocorrelación es la relación entre dos series temporales diferentes.

• La autocorrelación se refiere a la correlación de una serie temporal con una constante.

• La autocorrelación es la correlación de una serie temporal consigo misma en diferentes momentos.

• La autocorrelación mide la variabilidad de una serie temporal en un solo momento.

¿Qué es la estacionariedad y por qué es importante en series de tiempo?

• La estacionariedad se refiere a la tendencia de una serie de tiempo a aumentar constantemente.

• La estacionariedad implica que los datos son siempre positivos y no pueden ser negativos.

• La estacionariedad es la propiedad de una serie de tiempo donde sus estadísticas no cambian a lo largo del tiempo, y es crucial para el análisis y modelado de series temporales.

• La estacionariedad es la capacidad de una serie de tiempo para predecir futuros valores con precisión.

¿Qué es el ruido en una serie de tiempo y cómo afecta al análisis?

• El ruido es un componente que siempre se puede eliminar de los datos.

• El ruido es la variabilidad aleatoria en los datos que puede dificultar la identificación de patrones.

• El ruido se refiere a la falta de datos en una serie de tiempo.

• El ruido es la parte predecible de una serie de tiempo.

¿Cuál es la diferencia entre una serie de tiempo aditiva y una serie de tiempo multiplicativa?

• La serie aditiva es más compleja que la multiplicativa.

• La serie aditiva suma los componentes, mientras que la multiplicativa los multiplica.

• La serie aditiva se utiliza solo para datos estacionales, mientras que la multiplicativa se utiliza para datos no estacionales.

• No hay diferencia, ambos términos son intercambiables.